"""
app/services/llm_service.py — LLM Client (Ollama)
Version: 0.5.1 (Full: Retry Strategy + Chat Support + JSON Mode)
"""

import httpx
import yaml
import logging
import os
import asyncio
from pathlib import Path
from typing import Optional, Dict, Any

logger = logging.getLogger(__name__)

class Settings:
    OLLAMA_URL = os.getenv("MINDNET_OLLAMA_URL", "http://127.0.0.1:11434")
    # Timeout für den einzelnen Request (nicht für den gesamten Retry-Zyklus)
    LLM_TIMEOUT = float(os.getenv("MINDNET_LLM_TIMEOUT", 300.0))
    LLM_MODEL = os.getenv("MINDNET_LLM_MODEL", "phi3:mini")
    PROMPTS_PATH = os.getenv("MINDNET_PROMPTS_PATH", "./config/prompts.yaml")
    
def get_settings():
    return Settings()

class LLMService:
    def __init__(self):
        self.settings = get_settings()
        self.prompts = self._load_prompts()
        
        # Connection Limits erhöhen für Parallelität im Import
        limits = httpx.Limits(max_keepalive_connections=5, max_connections=10)
        
        self.client = httpx.AsyncClient(
            base_url=self.settings.OLLAMA_URL, 
            timeout=self.settings.LLM_TIMEOUT,
            limits=limits
        )

    def _load_prompts(self) -> dict:
        path = Path(self.settings.PROMPTS_PATH)
        if not path.exists():
            return {}
        try:
            with open(path, "r", encoding="utf-8") as f:
                return yaml.safe_load(f)
        except Exception as e:
            logger.error(f"Failed to load prompts: {e}")
            return {}

    async def generate_raw_response(
        self, 
        prompt: str, 
        system: str = None, 
        force_json: bool = False,
        max_retries: int = 0,     # Standard: 0 (Chat failt sofort, Import nutzt >0)
        base_delay: float = 5.0   # Start-Wartezeit für Backoff
    ) -> str:
        """
        Führt einen LLM Call aus. 
        Features:
        - JSON Mode (für Semantic Analyzer)
        - System Prompt (für Persona)
        - Aggressive Retry (für robusten Import bei Überlast)
        """
        payload: Dict[str, Any] = {
            "model": self.settings.LLM_MODEL,
            "prompt": prompt,
            "stream": False,
            "options": {
                # JSON braucht niedrige Temperature für valide Syntax
                "temperature": 0.1 if force_json else 0.7, 
                "num_ctx": 4096     
            }
        }

        if force_json:
             payload["format"] = "json"

        if system:
            payload["system"] = system

        attempt = 0
        
        # RETRY LOOP
        while True:
            try:
                response = await self.client.post("/api/generate", json=payload)
                
                if response.status_code == 200:
                    data = response.json()
                    return data.get("response", "").strip()
                else:
                    # HTTP Fehler simulieren, um in den except-Block zu springen
                    response.raise_for_status()

            except Exception as e:
                # CATCH-ALL: Wir fangen Timeouts, Connection Errors UND Protokollfehler
                attempt += 1
                
                # Check: Haben wir noch Versuche?
                if attempt > max_retries:
                    # Finaler Fehler (wird im Chat oder Log angezeigt)
                    logger.error(f"LLM Final Error (Versuch {attempt}): {e}")
                    return "Interner LLM Fehler."
                
                # Backoff berechnen (5s, 10s, 20s, 40s...)
                wait_time = base_delay * (2 ** (attempt - 1))
                error_msg = str(e) if str(e) else repr(e)
                
                logger.warning(
                    f"⚠️ LLM Fehler ({attempt}/{max_retries}). "
                    f"Warte {wait_time}s zur Abkühlung... Grund: {error_msg}"
                )
                
                # Warten und Loop wiederholen
                await asyncio.sleep(wait_time)

    async def generate_rag_response(self, query: str, context_str: str) -> str:
        """
        WICHTIG FÜR CHAT: 
        Generiert eine Antwort basierend auf RAG-Kontext.
        Nutzt KEINE Retries (User will nicht warten), KEIN JSON.
        """
        system_prompt = self.prompts.get("system_prompt", "")
        rag_template = self.prompts.get("rag_template", "{context_str}\n\n{query}")
        
        final_prompt = rag_template.format(context_str=context_str, query=query)
        
        # Chat-Call: force_json=False, max_retries=0
        return await self.generate_raw_response(
            final_prompt, 
            system=system_prompt, 
            max_retries=0
        )

    async def close(self):
        if self.client:
            await self.client.aclose()